1. Preparação dos Dados

Usaremos o conjunto de dados mpg (já incluído no ggplot2), que contém informações sobre carros.

2. Gráfico de Barras

Objetivo: Comparar a contagem de carros por classe (class).

ggplot(mpg, aes(x = class)) +
  geom_bar(fill = "skyblue", color = "black") +
  labs(title = "Contagem de Carros por Classe",
       x = "Classe do Veículo",
       y = "Contagem") +
  theme_minimal()

Atividades: - Mude as cores das barras usando fill e color.
- Adicione rótulos (labs) personalizados.
- Use coord_flip() para inverter os eixos.

Em geom_bar no ggplot2, stat e position têm funções diferentes. O stat determina como a altura das barras é calculada (por exemplo, contagem de casos ou valores originais), enquanto position controla como as barras são posicionadas quando há múltiplas barras no mesmo local do eixo x.

stat Define o tipo de transformação estatística que é aplicada aos dados antes de serem plotados. Por padrão, stat = “count”, que significa que a altura de cada barra representa o número de casos em cada grupo ou categoria no eixo x.

• Exemplos:
  • stat = “count”: A altura da barra representa a contagem de pontos de dados em cada categoria (o padrão).
  • stat = “identity”: A altura da barra representa os valores diretamente do conjunto de dados, sem nenhuma transformação.
  • stat = “bin”: A altura da barra representa a frequência de ocorrências dentro de intervalos.

O stat altera a escala do eixo y, afetando a interpretação da altura das barras.

position Determina como as barras são posicionadas quando há múltiplas barras no mesmo local no eixo x.

• Exemplos:
  • position = “stack”: As barras são empilhadas umas sobre as outras (o padrão).
  • position = “dodge”: As barras são colocadas lado a lado.
  • position = “fill”: As barras são empilhadas, mas cada barra representa a mesma proporção em relação à sua própria altura total.

O position controla a maneira como as barras são agrupadas ou separadas visualmente no gráfico, afetando a clareza da comparação entre diferentes grupos.

Por exemplo, usando stat = “identity” com position = “dodge” permite comparar os valores originais de diferentes grupos lado a lado, enquanto stat = “count” com position = “stack” mostra a contagem total de casos empilhada em cada grupo.

# Criar um dataset agregado (média de consumo por classe e tipo de tração)
dados_agg <- mpg %>%
  group_by(class, drv) %>%
  summarise(media_hwy = mean(hwy), .groups = "drop")

head(dados_agg)

## # A tibble: 6 × 3
##   class   drv   media_hwy
##   <chr>   <chr>     <dbl>
## 1 2seater r          24.8
## 2 compact 4          25.8
## 3 compact f          29.1
## 4 midsize 4          24  
## 5 midsize f          27.6
## 6 minivan f          22.4

ggplot(dados_agg, aes(x = class, y = media_hwy, fill = drv)) +
  geom_bar(stat = "identity", position = "dodge") +  # Barras lado a lado
  labs(title = "Média de Consumo (hwy) por Classe e Tração",
       x = "Classe do Veículo",
       y = "Média de Milhas por Galão (hwy)",
       fill = "Tipo de Tração") +
  theme_minimal() +
  scale_fill_brewer(palette = "Pastel1")

ggplot(dados_agg, aes(x = class, y = media_hwy, fill = drv)) +
  geom_bar(stat = "identity", position = "stack") +  # Empilhado
  labs(title = "Consumo Total (hwy) por Classe (Empilhado)",
       x = "Classe do Veículo",
       y = "Soma de Milhas por Galão (hwy)") +
  theme_classic()

ggplot(dados_agg, aes(x = class, y = media_hwy, fill = drv)) +
  geom_bar(stat = "identity", position = "fill") +  # Proporção
  labs(title = "Proporção do Consumo (hwy) por Classe",
       x = "Classe do Veículo",
       y = "Proporção",
       fill = "Tipo de Tração") +
  scale_y_continuous(labels = scales::percent) +  # Converter eixo y em %
  theme_light()

3. Histograma

Objetivo: Visualizar a distribuição da variável numérica hwy (consumo em estrada).

ggplot(mpg, aes(x = hwy)) +
  geom_histogram(bins = 15, fill = "coral", color = "white") +
  labs(title = "Distribuição do Consumo na Estrada (hwy)",
       x = "Milhas por Galão (Estrada)",
       y = "Frequência") +
  theme_classic()

Atividades:
- Ajuste o número de bins e observe como muda a visualização.
- Sobreponha uma curva de densidade usando geom_density(aes(y = ..count..)).

4. Boxplot

Objetivo: Comparar a distribuição do consumo (hwy) por tipo de motor (drv).

ggplot(mpg, aes(x = drv, y = hwy, fill = drv)) +
  geom_boxplot() +
  labs(title = "Consumo na Estrada por Tipo de Tração",
       x = "Tipo de Tração",
       y = "Milhas por Galão (hwy)") +
  scale_fill_brewer(palette = "Set2") +
  theme_bw()

Atividades:
- Adicione pontos sobre o boxplot com geom_jitter(width = 0.2).
- Mude a paleta de cores (scale_fill_manual ou scale_fill_brewer).

5. Exercício de Consolidação

Crie um relatório em RMarkdown contendo:
- Um gráfico de barras mostrando a contagem de carros por manufacturer.
- Um gráfico de barras (stat = “identity”) da média de cty por manufacturer.
- Uma versão empilhada do mesmo gráfico, colorido por cyl.
- Uma versão em proporção (%) do gráfico empilhado.
- Um histograma da variável cty (consumo na cidade).
- Um boxplot comparando cty por cyl (número de cilindros).

Exemplo de código para o exercício:

# Dados agregados
dados_exercicio <- mpg %>%
  group_by(manufacturer, cyl) %>%
  summarise(media_cty = mean(cty), .groups = "drop")

# Gráfico de proporção
ggplot(dados_exercicio, aes(x = manufacturer, y = media_cty, fill = factor(cyl))) +
  geom_bar(stat = "identity", position = "fill") +
  labs(y = "Proporção do Consumo (cty)", fill = "Cilindros") +
  scale_y_continuous(labels = scales::percent)

Recursos Adicionais:

Documentação do ggplot2.
Galeria de gráficos com ggplot2.
Posicionamento das barrashttps://ggplot2.tidyverse.org/reference/scale_brewer.html.
Guia de bolso - GGPLOT2.

Dica: Use ?geom_bar, ?geom_histogram e ?geom_boxplot para explorar mais opções!

Dicas Extras:
- Use facet_wrap() para dividir os gráficos por categoria (ex: facet_wrap(~year)).
- Para reordenar barras: aes(x = reorder(class, -media_hwy), y = media_hwy).
- Incrementar a atividade do gráfico de barras para incluir stat = identity, e gráfico empilhado e proporção.
- Explore temas adicionais com theme_minimal(), theme_classic(), etc.
- Use scale_fill_brewer() para paletas de cores predefinidas.
- Para personalizar rótulos de eixos, use labs(x = “Novo Rótulo”, y = “Outro Rótulo”).
- Para adicionar linhas de grade, use theme(panel.grid.major = element_line(color = “gray”, size = 0.5)).
- Para salvar gráficos, use ggsave(“nome_do_grafico.png”, width = 8, height = 6).